具有匹配颜色的 2d kdeplot 顶部的子集散点图答案

【问题标题】：scatterplot of subset on top of a 2d kdeplot with matching color具有匹配颜色的 2d kdeplot 顶部的子集散点图
【发布时间】：2022-07-27 20:42:35
【问题描述】：

当有许多色调/类别时，如何在包含所有数据的 2D KDEplot 顶部绘制数据子集的散点图？

查看代码以重现我想要避免的内容：散点图与 KDEplot 背景颜色不同。我没有找到执行此操作的“算法”方法。

from sklearn.datasets import make_blobs
import seaborn as sns
# data set generate
X, y = make_blobs(n_samples = 200, n_features = 2, centers = 3, random_state = 2, cluster_std = 1.5)
df = pd.DataFrame(X, columns=['a', 'b'])
df['target'] = y


sns.kdeplot(
    data=df,
    x='a', y='b',
    hue='target',
    fill=True,
    alpha=0.2)


sns.scatterplot(
        data=df,
        x="a", y="b",
        hue="target",
    )

plt.show()

sns.kdeplot(
    data=df,
    x='a', y='b',
    hue='target',
    fill=True,
    alpha=0.2)


sns.scatterplot(
        data=df[df.target==2],
        x="a", y="b",
        hue="target",
    )

【问题讨论】：

为唯一目标创建自定义调色板：1.cats = sorted(df.target.unique())，2.palette = dict(zip(cats, sns.cubehelix_palette(n_colors=len(cats))))，然后将其传递给调色板参数。 palette=palette

标签： python matplotlib seaborn

【解决方案1】：

您需要指定hue_norm:

hue_norm 元组或matplotlib.colors.Normalize

以数据单元为单位设置规范化范围的一对值或将从数据单元映射到 [0, 1] 的对象间隔。用法意味着数字映射。

sns.scatterplot(
        data=df[df.target==2],
        x="a", y="b",
        hue="target",
        hue_norm=(df.target.min(), df.target.max())
    )

【讨论】：

【解决方案2】：

此解决方案适用于分类调色板：

按正确顺序向hue_order 提供有关预期图例的所有分类
仅选择与您选择的数据对应的handles 和labels 以构建自定义图例。

import seaborn as sns
X, y = make_blobs(n_samples = 200, n_features = 2, centers = 3, random_state = 2, cluster_std = 1.5)
df = pd.DataFrame(X, columns=['a', 'b'])
df['target'] = y
unique_y = np.unique(df.target)

sns.kdeplot(
    data=df,
    x='a', y='b',
    hue='target',
    hue_order=unique_y,
    fill=True,
    alpha=0.2,
    palette='deep')

sns.scatterplot(
        data=df,
        x="a", y="b",
        hue="target",
        hue_order=unique_y,
        palette='deep'
    )

plt.show()

sns.kdeplot(
    data=df,
    x='a', y='b',
    hue='target',
    hue_order=unique_y,
    fill=True,
    alpha=0.2,
    palette='deep')

select_data = df[df.target==2]
sns.scatterplot(
        data=select_data,
        x="a", y="b",
        hue="target",
        hue_order=unique_y,
        palette='deep',
    )

i_labels = np.unique(select_data)
handles_, labels_ = plt.gca().get_legend_handles_labels()
handles_ = [h for i, h in enumerate(handles_) if i in i_labels]
labels_ = [l for i, l in enumerate(labels_) if i in i_labels]

plt.legend(
    handles=handles_,
    labels=labels_,
    bbox_to_anchor=(1, 1),
    title='target'
)

【讨论】：